Microsoft Research Asiaは、「Harnessed Agentic RL」トレーニングパラダイムを実装した軽量フレームワークであるAgent Lightning v1.0をオープンソース化しました。このアプローチにより、強化学習は本番環境でデプロイされたエージェントハーネスと同じものを使用でき、トレーニングシステム内でエージェントロジックを再実装する必要がなくなります。

  • フレームワークは約3,500行のコードで構成され、API Gateway、Rollout Controller、Customized Trainerを含みます。
  • 商用サンドボックスへの依存なしに、自己管理クラスタ、クラウドインフラストラクチャ、またはローカル環境でのエージェント向けネイティブKubernetes実行をサポートします。
  • Qwen3.5-9Bを使用したエンドツーエンドのコーディングエージェントパイプラインは、SWE-bench Verifiedで14.6パーセントポイントの向上を実現し、わずか約6,000件のトレーニングサンプルでPass@1を41.8%から56.4%に引き上げました。

この設計により、研究者や開発者は既存のデプロイメントハーネスを使用してエージェントを直接トレーニングでき、トレーニングされたモデルがデプロイされたシステムと完全に同じ動作を保証しながら、シンプルで再現可能なパイプラインを維持します。